第25章
模型風險

金融機構對模型的使用正在快速增長。模型被用於制定信用決策、流動性管理、信用風險評估、衍生產品估值、在險價值（VaR）和預期虧空（ES）等風險度量的計算、客戶金融資產投資組合的管理、資本充足率的評估、客戶關係管理、欺詐檢測、識別洗錢，等等。融入先進分析技術（例如機器學習）的複雜模型，使得一些以往由人們進行的活動自動化（參見第28章關於機器學習的討論）。現在人們意識到，大型金融機構需要具備模型風險管理功能，以確保模型適合其預期目標，並以正確的方式使用。

我們可以利用模型來模擬現實世界。建立一個為某金融產品定價的模型的藝術在於該模型能夠捕獲產品的重要特性，同時又不會複雜到難以使用。模型幾乎總是依賴於對所建模的現象的一些假設。重要的是要理解這些假設，並知道什麼時候這些假設不適用。

以往，定量分析師可以在電子表格中創建模型，並在極少監督下使用。現在情況已經不同了，必須對模型進行充分的記錄和定期審查，以確定它們是否仍然合適和按預期運行。模型的更改通常需要得到批准。模型風險管理的這些方面通常不受模型構建者的歡迎。他們往往喜歡模型開發的創造性方面，不喜歡花時間證明他們的模型和記錄它們。

在前面，我們已經指出，自2007～2008年金融危機以來，監管機構已不再那麼熱衷於利用內部模型來確定資本金要求了。它們更加關注金融機構內部將模型用於其他目的的方式。模型風險是操作風險的一個組成部分。監管者希望銀行有一個管理模型風險的系統，模型必須由該系統開發、驗證和使用。

本章首先回顧了模型風險管理的監管要求，描述了模型驗證小組的角色，比較模型在金融領域的應用方式與其在物理學家以及其他科學領域的應用方式的不同。在此之後，本章重點放在模型的評估和風險管理上，並探討了一些可以從該領域所犯的錯誤中吸取的教訓。